Arduino-Pico 4.4.2版本更新解析:SDIO支持与多项优化
项目简介
Arduino-Pico是一个为树莓派RP2040微控制器提供Arduino兼容支持的开发框架。该项目让开发者能够使用熟悉的Arduino API来开发基于RP2040芯片的应用,同时充分利用该芯片的强大性能。最新发布的4.4.2版本带来了多项重要更新,特别是在存储性能和系统稳定性方面有显著提升。
SD/SDIO存储性能大幅提升
4.4.2版本最引人注目的改进是对SD卡访问的重大升级。开发团队进行了以下关键改进:
-
替换底层库:将原有的ESP8266SdFat库替换为最新的SdFat 2.3.0版本,这是一个更现代、维护更好的SD卡访问库。
-
支持SDIO模式:新增了对4位高速SDIO模式的支持。与传统的1位SPI模式相比,SDIO模式可以同时使用DAT0-DAT3四条数据线进行传输,理论上可获得更高的传输速度。实测显示,使用SDIO模式可以达到15MB/s的传输速度,远高于SPI模式的性能。
-
ExFAT文件系统支持:新版本启用了对ExFAT文件系统的支持,这使得开发者能够使用更大容量的存储卡(超过32GB),满足需要处理大量数据的应用场景。
需要注意的是,要使用SDIO模式,开发者需要准备支持4线连接的物理适配器,而不仅仅是传统的SPI接口连接方式。
底层库更新
4.4.2版本还对几个关键底层库进行了更新:
-
LittleFS升级:文件系统库LittleFS更新至v2.10.1版本。LittleFS是一个专为嵌入式系统设计的轻量级文件系统,特别适合在闪存设备上使用。新版本可能带来更好的性能和稳定性。
-
TinyUSB更新:Adafruit TinyUSB库升级至3.4.2版本。TinyUSB是一个开源的跨平台USB协议栈,这次更新可能包含了对USB设备功能的改进和bug修复。
新增开发板支持
本次更新增加了对SparkFun IoT Node LoRaWAN开发板的支持。这是一款集成了LoRa无线通信功能的RP2040开发板,为物联网应用开发提供了便利。开发者现在可以直接在Arduino-Pico环境中为这块板子开发应用。
系统优化与bug修复
4.4.2版本包含了一系列系统优化和bug修复,提高了框架的稳定性和可靠性:
-
PIO音调生成改进:调整了PIO(可编程I/O)音调生成的占空比为50%,使得生成的音调更加标准。
-
ADC输入时钟修复:修复了多路ADC输入时的时钟问题,确保多通道模拟输入的准确性。
-
蓝牙功能恢复:在Pico2和RPiWiFi开发板上恢复了蓝牙TLV(类型-长度-值)功能。
-
NTP时间同步修正:修正了NTP.waitSet()函数的返回值问题,提高了网络时间同步的可靠性。
-
SDK清理:移除了不必要的SDK文件和一些重复的对象定义,优化了库的体积和编译效率。
-
A2DP音频接收改进:修复了A2DP接收器的音量控制和连接回调问题,提升了蓝牙音频接收的稳定性。
总结
Arduino-Pico 4.4.2版本是一个以性能优化和稳定性提升为主的更新。特别是SDIO模式的支持,为需要高速存储访问的应用开辟了新的可能性。同时,多项底层库的更新和bug修复使得整个开发框架更加健壮。对于使用RP2040进行开发的Arduino用户来说,升级到这个版本将获得更好的开发体验和更强大的功能支持。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00